【技术实现步骤摘要】
一种油橄榄育苗环境数据智能监测方法及系统
[0001]本专利技术涉及传感器数据处理
，具体涉及一种油橄榄育苗环境数据智能监测方法及系统。
技术介绍
[0002]油橄榄育苗环境数据智能监测是指在油橄榄育苗区内部署传感器节点，通过无线通信技术将收集到的环境数据上传到云端服务器，进而对数据进行挖掘和分析，实现油橄榄育苗环境的智能管理；然而随着传感器技术的发展，可以采集的数据越来越多，其会导致巨大的存储需求和高昂的存储成本，同时影响数据的传输速度和效率，因此需要对采集到的环境数据进行高效率的压缩处理。
[0003]预测编码是一种基于预测模型的无损压缩方法，它利用历史数据可预测下一项数据特点，对数据进行预测并将预测误差进行编码，从而实现数据压缩的目的；当预测结果越准确，预测误差值越小，即能以越少的二进制位编码，来实现高压缩率的目的；而历史数据的质量和稳定性较差时，会导致预测结果不准确，进而使得预测误差较大而影响压缩效率；因此需要通过分析数据变化趋势之间的相关性，来提高预测结果的准确率，进而提高预测编码的压缩效率。>
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种油橄榄育苗环境数据智能监测方法，其特征在于，该方法包括以下步骤：采集油橄榄育苗的当前环境数据，获取大棚内外的历史数据；根据历史数据获取大棚内的初始预测数据及大棚外的初始预测数据；根据大棚内外的历史数据，以及大棚内差值序列与大棚外差值序列，获取大棚内的第一预测数据；根据大棚内历史序列的稳定性特征、大棚外历史序列的参考稳定性特征，以及初始预测数据与第一预测数据，获取大棚内的第二预测数据；根据油橄榄育苗的当前环境数据，结合第二预测数据进行预测编码，通过预测编码对油橄榄育苗环境数据进行压缩传输，完成油橄榄育苗环境数据的智能监测。2.根据权利要求1所述的一种油橄榄育苗环境数据智能监测方法，其特征在于，所述大棚内的初始预测数据及大棚外的初始预测数据，具体的获取方法为：将大棚内的历史数据按照时序排列得到大棚内历史序列，表示为，将大棚外的历史数据按照时序排列得到大棚外历史序列，表示为，其中表示每种历史数据的数量；将两个历史序列分别输入ARIMA模型，输出得到大棚内外的预测数据，记为初始预测数据，大棚内的初始预测数据表示为，大棚外的初始预测数据表示为。3.根据权利要求2所述的一种油橄榄育苗环境数据智能监测方法，其特征在于，所述获取大棚内的第一预测数据，包括的具体方法为：根据大棚外历史序列与大棚外差值序列，获取大棚内差值序列每个历史数据的差值的参考权重，根据参考权重与大棚内历史序列，获取大棚内的第一预测数据的计算方法为：其中，表示大棚内历史序列中最后一个历史数据，表示大棚内差值序列中第个历史数据的差值，表示大棚内差值序列中第个历史数据的差值的参考权重。4.根据权利要求3所述的一种油橄榄育苗环境数据智能监测方法，其特征在于，所述大棚内差值序列每个历史数据的差值的参考权重，具体的获取方法为：根据大棚内历史序列、大棚外历史序列及大棚外的初始预测数据，获取大棚内差值序列与大棚外差值序列，大棚内差值序列中第个历史数据的差值的参考权重的获取方法为：其中，表示大棚内差值序列中第个历史数据的差值的参考程度，表示大棚外历史序列中最后一个历史数据，表示大棚外历史序列中第个历史数据，表示大棚外历史序列的数据方差，表示大棚外差值序列中最后一个历史数据的差值，表示大棚外差值序列中第个历史数据的差值，表示大棚外差值序列的数据方差，表示以自然常数为底的指数函数；
获取大棚内差值序列每个历史数据的差值的参考程度，对所有参考程度进行归一化，得到的结果记为大棚内差值序列每个历史数据的差值的参考权重。5.根据权利要求4所述的一种油橄榄育苗环境数据智能监测方法，其特征在于，所述获取大棚内差值序列与大棚外差值序列，包括的具体方法为：对大棚内历史序列相邻元素求差，求差方法为后一个元素的数值减去前一个元素的数值得到差值，记为相邻元素中前一个元素的差值，将所有差值按照时序排列，记为大棚内差值序列；对大棚外历史序列相邻元素求差，作为相邻元素中前一个元素的差值，并获取大棚外的初始预测数据减去大...
【专利技术属性】
技术研发人员：姜德志，徐永杰，黄发新，朱瑾艳，王瑞文，徐雅雯，
申请(专利权)人：湖北鑫榄源油橄榄科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。